对于分类问题，规定以下数据全体数据 A标注数据 B非均衡数据集，无法知道全体数据的类别分布的具体比例，标注数据中的类别分布怎么规定？还有，训练集和测试集的类别分布又该如何规定？

小弟今年研一，最近正在学习精确一维搜索和非精确一维搜索，感觉看教科书看的快要炸掉了，越看越糊涂，完全不明白是怎么一回事；求知乎大神赐教~T_T

工作内容？人员规模？薪酬待遇？或者说简单些，哪个更高大上？

下面这段关于SVM的总结，摘自“zouxy09”的一篇博文：“机器学习算法与Python实践之（三）支持向量机（SVM）进阶”“支持向量机的基本思想可以概括为，首先通过非线性变换将输入空间变换到一个高维的空间，然后在这个新的空间求最优分类面即最大间隔分类面，而这种非线性变换是通过定义适当的内积核函数来实现的。”是否可以这么理解：SVM的非线性映射取决于事先选定的核函数，比如选择RBF核与选择多项式核，所产生的非线性映射是不同的。也就是说，不同的核函数，对应了一种特有的非线性映射。—谢谢每一个认真回答的人！！

各位看官大家好，小弟机器学习入门，有一些疑惑：1. 机器学习说白了是求一个函数f=h(x)，这个函数可能是多元多次的，然后给定一组x，求y。这样理解正确吗？2. 如果特征值是字符串，比如用户id是guid，那么字符串怎么带入方程h(x)呢？ 是不是和模型有关，如果是决策树，特征值可以是字符串，如果是线性模型的话，特征值只能是数值型3. 如果某一列特征值是数值型，那么数值的不同会反应他们的倍数关系吗，比如下面年龄数值，第二个用户的年龄是第一个用户的2倍，会影响最后的h(x)吗： userid, age, count 1 , 1 , 1 2 , 2 , 3 3 , 4 , 94. 现在拿到一个数据，提不出来特征，有没有介绍提取特征的书籍 […]

之前和fico中国合作项目。这评分模型其实就是个逻辑回归。中国现在在大数据分析方面有那么多有实力的企业，还有那么多人才。建立起美国那样的评分体系还有哪些障碍？现在搞征信的企业我只知道阿里和平安，具体国内征信行业现在发现到什么阶段了，和美国差距还有多大？

PCA是对向量进行降维，2D-PCA则是PCA在2d空间下的推广，那么PCA在更高维度空间下的推广是怎样的。哪篇文献有详细的介绍，或者有源代码

多类分类中的feature selection方法，比如卡方，信息增益，Fisher score该如何引用到one-class情形下？比如使用one-class SVM做novelty detection. 若无法引用，One-class情况下应该如何进行feature selection？

在机器学习进行特征选择的时候，我们花很大的力气去挑选变量。但是为什么还需要进行降维呢？ 到底什么时候应该用PCA这样的工具？ 是当变量数量达到一定的数目么？

===========================================不做quant的话可以从事data mining之类的吗？======不知道自己现在是什么水准。。。===================================================